《随机信号分析与估计》_第3章.pptVIP

3.3联合平稳随机信号的互功率谱令τ=-τ性质2:是ω的偶函数。上一页下一页返回3.3联合平稳随机信号的互功率谱证明:性质3:若平稳过程X(t)和Y(t)相互正交,则有上一页下一页返回3.3联合平稳随机信号的互功率谱证明:若X(t)和Y(t)相互正交,则有所以存在下面的关系:性质4:若X(t)和Y(t)是两个不相关的平稳过程,分别有均值mX和mY,则上一页下一页返回3.3联合平稳随机信号的互功率谱证明:因为X(t)和Y(t)不相关,由定义式得由于存在傅里叶变换对上一页下一页返回3.3联合平稳随机信号的互功率谱性质5:若随机过程X(t)和Y(t)是联合平稳的,RXY(τ)绝对可积,则互谱密度和互相关函数构成傅里叶变换对,即上一页返回3.4离散平稳随机序列的功率谱3.4.1离散平稳随机序列的功率谱设X(n)为广义平稳离散时间随机过程,或简称为广义平稳随机序列,具有零均值,其自相关函数为或简写为当RX(m)满足条件式则定义X(n)的功率谱密度为RX(m)的离散傅里叶变换,并记为GX(ω)。下一页返回3.4离散平稳随机序列的功率谱

式中,T是随机序列相邻各值的时间间隔。从上式可见,GX(ω)是频率为ω的周期性连续函数,其周期为ωq,ωq=π/T就是我们所熟悉的奈奎斯特频率。GX(ω)的傅里叶级数的系数恰为RX(m)。根据奈奎斯特频率,不难得到上一页下一页返回3.4离散平稳随机序列的功率谱

在m=0时,有在离散时间系统的分析中,有时用z变换更为方便,所以也常把广义平稳离散时间随机过程的功率谱密度定义为RX(m)的z变换,并记为GX(Z),即上一页下一页返回3.4离散平稳随机序列的功率谱

式中z=ejωT,且GXejωT=GXω。RX(m)则为GX的逆z变换。即上式中,D为在GX(z)的收敛域内环绕z平面原点反时针旋转的一条闭合围线。上一页下一页返回3.4离散平稳随机序列的功率谱

3.4.2平稳随机信号的采样定理众所周知,在分析确定性的离散时间信号时,香农采样定理占有重要地位。它建立了连续信号与其采样离散信号之间的变换关系。现在,很自然地想到,是否可将香农采样定理应用于随机过程?在这一节里,我们将讨论这个问题。在讨论随机过程的采样定理之前,我们先对确定性时间信号的采样定理做一简短回顾。设X(t)是一个确定性连续带限实信号,它的频带范围限于(-ωc,+ωc)之间。香农采样定理是,当采样周期小于或等于1/2fc(ωc=2πfc)时,可将X(t)展开成上一页下一页返回3.4离散平稳随机序列的功率谱

式中,T为采样周期,X(nT)为在时间t=nT时对X(t)的振幅采样。下面,将香农采样定理推广到随机信号。若X(t)为平稳随机过程,具有零均值,它的功率谱密度GX(ω)限于(-ωc,+ωc)之间,即可证明,当满足条件便可将X(t)按它的振幅样本展开为上一页下一页返回3.4离散平稳随机序列的功率谱

上式就是平稳随机过程的采样定理。式中,T为采样周期;X(nT)表示在时间t=nT时,对随机过程X(t)的任一样本函数x(t)的振幅采样;l.i.m则表示均方意义下的极限。例如就是说,在N→∞的极限条件下,X(t)与的均方误差为零。上一页下一页返回3.4离散平稳随机序列的功率谱3.4.3功率谱密度的采样定理在上一小节,讨论了平稳随机过程的采样定理。按照采样定理,可以通过对平稳随机过程X(t)的采样而得到与之相对应的离散时间随机过程X(n)。在这里将进一步讨论X(n的自相关函数(或称为自相关序列)、功率谱密度与X(t)的自相关函数、功率谱密度之间的关系。设X(t)为广义平稳随机过程,用RX(τ)和GX(ω)分别表示它的自相关函数和功率谱密度函数,并设GX(ω)的带宽有限。现在,应用采样定理对X(t)采样,构成采样离散时间随机过程X(n)=X(nT)。其中T为采样